Perpustakaan Digital ITB

Jalan raya merupakan aset vital bagi pertumbuhan ekonomi di Indonesia. Dalam menjaga fungsionalitas jalan raya, pihak berwenang perlu melakukan pemeliharaan aset jalan raya yang dimiliki. Salah satu upayanya adalah dengan cara melakukan survei kondisi perkerasan jalan. Untuk memastikan proses survei berjalan dengan efisien, penelitian sebelumnya telah mengembangkan sebuah sistem untuk melakukan survei kondisi jalan secara otomatis dan efisien bernama sistem survei kondisi perkerasan jalan (SKPJ). SKPJ menerima input berupa video ruas jalan dan menganalisis video tersebut menggunakan model machine learning. SKPJ yang ada saat ini dapat mendeteksi 2 jenis kerusakan jalan yaitu pothole dan alligator crack. Tujuan dari penelitian ini adalah untuk meningkatkan kemampuan SKPJ dengan menambah jumlah jenis kerusakan yang dapat dideteksi dari sebelumnya 2 jenis (lubang dan retak buaya) menjadi 4 jenis (menambahkan retak memanjang dan melintang) dan mengotomatisasi proses counting kerusakan jalan. Penulis mengadopsi metodologi pengembangan sistem Crisp DM, sebuah metodologi yang terdiri dari enam tahap utama yaitu business understanding, data understanding, data preparation, modelling, evaluation, dan deployment yang dirancang untuk memberikan panduan terstruktur dalam proses pengembangan. Hasilnya adalah SKPJ berhasil memenuhi semua aspek tujuan penelitian dengan menghasilkan requirement yang sesuai dengan kebutuhan user. Sistem dapat mendeteksi empat jenis kerusakan jalan yaitu lubang (presisi = 1; recall = 0,91; F1-score = 0,95; dan FNR = 0,09), retak buaya (presisi = 1; recall = 0,78; F1-score = 0,87; dan FNR = 0,22), retak memanjang (presisi = 1; recall = 0,77; F1-score = 0,87; dan FNR = 0,23), dan retak melintang (presisi = 1; recall = 0,47; F1-score = 0,60; dan FNR = 0,57), melakukan tracking objek yang terdeteksi, serta mengeluarkan output berupa peta interaktif, file CSV informasi kerusakan, dan video hasil deteksi.